Pixtral Large é o modelo multimodal da Mistral AI construído sobre Mistral Large 2. Combina um descodificador multimodal de 123 mil milhões de parâmetros com um codificador de visão de mil milhões de parâmetros, formando um modelo de 124 mil milhões de parâmetros. O propósito é conservar uma capacidade linguística substancial, compreendendo ao mesmo tempo os elementos visuais necessários a uma resposta: uma página de documento, um gráfico, uma fotografia ou uma captura de ecrã. As entradas podem combinar texto e imagens; o resultado é texto.
A Mistral descreve uma janela de contexto de 128K tokens e afirma que pode acomodar pelo menos 30 imagens de alta resolução. Essa afirmação descreve a capacidade de contexto, não uma definição universal de número de imagens por pedido. O valor prático é poder relacionar várias fontes visuais com uma só pergunta. Uma tarefa útil de comparação pode fornecer páginas identificadas de dois relatórios e perguntar que números, etiquetas e conclusões diferem. Mantenha juntos o texto da pergunta, o papel de cada imagem e a estrutura de resposta necessária.
O fabricante ilustra leitura de texto multilingue, perguntas sobre documentos, interpretação de gráficos e compreensão normal de imagens. Para um assistente de documentos, peça nomes e valores de campos visíveis, uma descrição da disposição da página ou uma explicação que relacione o texto com uma tabela ou figura. Para um gráfico, especifique os eixos, as séries ou o intervalo a examinar. Um pedido ilustrativo é: «Compare estes gráficos. Separe os valores que consegue ler diretamente das interpretações, identifique a alteração apresentada e enumere a informação necessária para verificar a conclusão.» O resultado pode ser uma tabela de campos, um conjunto de observações ou uma explicação escrita.
A ficha do modelo dá particular atenção ao prompt de sistema. A Mistral recomenda incluir uma instrução que indique o propósito do assistente, mesmo que seja breve. Isto é útil numa tarefa visual porque a mesma imagem pode servir trabalhos diferentes: extrair entradas, descrever uma cena, explicar um diagrama ou compará-lo com um requisito escrito. Indique a tarefa e as regras para pormenores incertos ou ilegíveis. Ao fornecer várias imagens, identifique-as e indique a sua ordem ou relação, para que a resposta possa ligar as observações ao material correto.
A página do modelo da Mistral enumera respostas a perguntas sobre documentos, saídas estruturadas e chamadas de funções. A interface do fabricante suporta também processamento em lote. As orientações de saída estruturada distinguem um formato de objeto JSON de um esquema personalizado; o modo JSON continua a exigir uma instrução explícita para produzir JSON. Para extração, defina os campos, o tratamento de valores em falta e a diferença entre texto transcrito e uma conclusão. Uma resposta estruturada é útil quando uma aplicação precisa de processar o resultado, enquanto uma explicação livre é útil quando uma pessoa precisa de compreender o raciocínio que o sustenta.
Para chamadas de funções, a aplicação fornece definições de ferramentas e o modelo propõe uma função com argumentos. No fluxo de trabalho da Mistral, a aplicação executa depois a operação e devolve o seu resultado antes de o modelo escrever a resposta de seguimento. Um fluxo documental pode usar uma ferramenta para consultar um identificador lido numa imagem e pedir depois uma explicação baseada no registo devolvido. O modelo visual não ganha acesso arbitrário a dados externos apenas porque uma imagem menciona um registo: a operação permitida e o respetivo resultado vêm da aplicação.
O produtor enumera também funcionalidades de saídas previstas e de prefixo. As saídas previstas permitem ao chamador fornecer texto esperado ao regenerar um documento ou ficheiro de código com uma pequena alteração; um prefixo define o texto inicial da resposta. São controlos de preparação distintos, não modalidades visuais adicionais. A saída útil continua a ser uma descrição textual, extração ou explicação, não uma imagem acabada de renderizar. Escolha imagens de origem claras, especifique o que deve ser preservado e confira as leituras críticas com a página original.
A etiqueta latest é um alias de família, enquanto Pixtral-Large-Instruct-2411 é o lançamento fixo do fabricante documentado pela ficha do modelo. Mantenha esses nomes distintos ao preparar uma tarefa repetível. O valor de contexto publicado descreve o modelo do produtor; as páginas consultadas não estabelecem um limite universal separado de tokens de saída. Selecione em conjunto o conjunto de imagens, a pergunta textual e a extensão pretendida para a resposta e mantenha os limites de pedido específicos de cada versão separados das capacidades visuais gerais aqui descritas.
", "aboutText": "Pixtral Large é o modelo multimodal da Mistral AI construído sobre Mistral Large 2. Combina um descodificador multimodal de 123 mil milhões de parâmetros com um codificador de visão de mil milhões de parâmetros, formando um modelo de 124 mil milhões de parâmetros. O propósito é conservar uma capacidade linguística substancial, compreendendo ao mesmo tempo os elementos visuais necessários a uma resposta: uma página de documento, um gráfico, uma fotografia ou uma captura de ecrã. As entradas podem combinar texto e imagens; o resultado é texto.\n\nA Mistral descreve uma janela de contexto de 128K tokens e afirma que pode acomodar pelo menos 30 imagens de alta resolução. Essa afirmação descreve a capacidade de contexto, não uma definição universal de número de imagens por pedido. O valor prático é poder relacionar várias fontes visuais com uma só pergunta. Uma tarefa útil de comparação pode fornecer páginas identificadas de dois relatórios e perguntar que números, etiquetas e conclusões diferem. Mantenha juntos o texto da pergunta, o papel de cada imagem e a estrutura de resposta necessária.\n\nO fabricante ilustra leitura de texto multilingue, perguntas sobre documentos, interpretação de gráficos e compreensão normal de imagens. Para um assistente de documentos, peça nomes e valores de campos visíveis, uma descrição da disposição da página ou uma explicação que relacione o texto com uma tabela ou figura. Para um gráfico, especifique os eixos, as séries ou o intervalo a examinar. Um pedido ilustrativo é: «Compare estes gráficos. Separe os valores que consegue ler diretamente das interpretações, identifique a alteração apresentada e enumere a informação necessária para verificar a conclusão.» O resultado pode ser uma tabela de campos, um conjunto de observações ou uma explicação escrita.\n\nA ficha do modelo dá particular atenção ao prompt de sistema. A Mistral recomenda incluir uma instrução que indique o propósito do assistente, mesmo que seja breve. Isto é útil numa tarefa visual porque a mesma imagem pode servir trabalhos diferentes: extrair entradas, descrever uma cena, explicar um diagrama ou compará-lo com um requisito escrito. Indique a tarefa e as regras para pormenores incertos ou ilegíveis. Ao fornecer várias imagens, identifique-as e indique a sua ordem ou relação, para que a resposta possa ligar as observações ao material correto.\n\nA página do modelo da Mistral enumera respostas a perguntas sobre documentos, saídas estruturadas e chamadas de funções. A interface do fabricante suporta também processamento em lote. As orientações de saída estruturada distinguem um formato de objeto JSON de um esquema personalizado; o modo JSON continua a exigir uma instrução explícita para produzir JSON. Para extração, defina os campos, o tratamento de valores em falta e a diferença entre texto transcrito e uma conclusão. Uma resposta estruturada é útil quando uma aplicação precisa de processar o resultado, enquanto uma explicação livre é útil quando uma pessoa precisa de compreender o raciocínio que o sustenta.\n\nPara chamadas de funções, a aplicação fornece definições de ferramentas e o modelo propõe uma função com argumentos. No fluxo de trabalho da Mistral, a aplicação executa depois a operação e devolve o seu resultado antes de o modelo escrever a resposta de seguimento. Um fluxo documental pode usar uma ferramenta para consultar um identificador lido numa imagem e pedir depois uma explicação baseada no registo devolvido. O modelo visual não ganha acesso arbitrário a dados externos apenas porque uma imagem menciona um registo: a operação permitida e o respetivo resultado vêm da aplicação.\n\nO produtor enumera também funcionalidades de saídas previstas e de prefixo. As saídas previstas permitem ao chamador fornecer texto esperado ao regenerar um documento ou ficheiro de código com uma pequena alteração; um prefixo define o texto inicial da resposta. São controlos de preparação distintos, não modalidades visuais adicionais. A saída útil continua a ser uma descrição textual, extração ou explicação, não uma imagem acabada de renderizar. Escolha imagens de origem claras, especifique o que deve ser preservado e confira as leituras críticas com a página original.\n\nA etiqueta latest é um alias de família, enquanto Pixtral-Large-Instruct-2411 é o lançamento fixo do fabricante documentado pela ficha do modelo. Mantenha esses nomes distintos ao preparar uma tarefa repetível. O valor de contexto publicado descreve o modelo do produtor; as páginas consultadas não estabelecem um limite universal separado de tokens de saída. Selecione em conjunto o conjunto de imagens, a pergunta textual e a extensão pretendida para a resposta e mantenha os limites de pedido específicos de cada versão separados das capacidades visuais gerais aqui descritas.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.pixtral-large-latestPixtral Large combina as capacidades linguísticas da Mistral com compreensão de imagens para documentos, gráficos e fotografias. Produz respostas textuais e suporta resultados estruturados e ferramentas definidas pela aplicação nas interfaces documentadas do fabricante.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Pixtral Large é o modelo multimodal da Mistral AI construído sobre Mistral Large 2. Combina um descodificador multimodal de 123 mil milhões de parâmetros com um codificador de visão de mil milhões de parâmetros, formando um modelo de 124 mil milhões de parâmetros. O propósito é conservar uma capacidade linguística substancial, compreendendo ao mesmo tempo os elementos visuais necessários a uma resposta: uma página de documento, um gráfico, uma fotografia ou uma captura de ecrã. As entradas podem combinar texto e imagens; o resultado é texto.
A Mistral descreve uma janela de contexto de 128K tokens e afirma que pode acomodar pelo menos 30 imagens de alta resolução. Essa afirmação descreve a capacidade de contexto, não uma definição universal de número de imagens por pedido. O valor prático é poder relacionar várias fontes visuais com uma só pergunta. Uma tarefa útil de comparação pode fornecer páginas identificadas de dois relatórios e perguntar que números, etiquetas e conclusões diferem. Mantenha juntos o texto da pergunta, o papel de cada imagem e a estrutura de resposta necessária.
O fabricante ilustra leitura de texto multilingue, perguntas sobre documentos, interpretação de gráficos e compreensão normal de imagens. Para um assistente de documentos, peça nomes e valores de campos visíveis, uma descrição da disposição da página ou uma explicação que relacione o texto com uma tabela ou figura. Para um gráfico, especifique os eixos, as séries ou o intervalo a examinar. Um pedido ilustrativo é: «Compare estes gráficos. Separe os valores que consegue ler diretamente das interpretações, identifique a alteração apresentada e enumere a informação necessária para verificar a conclusão.» O resultado pode ser uma tabela de campos, um conjunto de observações ou uma explicação escrita.
A ficha do modelo dá particular atenção ao prompt de sistema. A Mistral recomenda incluir uma instrução que indique o propósito do assistente, mesmo que seja breve. Isto é útil numa tarefa visual porque a mesma imagem pode servir trabalhos diferentes: extrair entradas, descrever uma cena, explicar um diagrama ou compará-lo com um requisito escrito. Indique a tarefa e as regras para pormenores incertos ou ilegíveis. Ao fornecer várias imagens, identifique-as e indique a sua ordem ou relação, para que a resposta possa ligar as observações ao material correto.
A página do modelo da Mistral enumera respostas a perguntas sobre documentos, saídas estruturadas e chamadas de funções. A interface do fabricante suporta também processamento em lote. As orientações de saída estruturada distinguem um formato de objeto JSON de um esquema personalizado; o modo JSON continua a exigir uma instrução explícita para produzir JSON. Para extração, defina os campos, o tratamento de valores em falta e a diferença entre texto transcrito e uma conclusão. Uma resposta estruturada é útil quando uma aplicação precisa de processar o resultado, enquanto uma explicação livre é útil quando uma pessoa precisa de compreender o raciocínio que o sustenta.
Para chamadas de funções, a aplicação fornece definições de ferramentas e o modelo propõe uma função com argumentos. No fluxo de trabalho da Mistral, a aplicação executa depois a operação e devolve o seu resultado antes de o modelo escrever a resposta de seguimento. Um fluxo documental pode usar uma ferramenta para consultar um identificador lido numa imagem e pedir depois uma explicação baseada no registo devolvido. O modelo visual não ganha acesso arbitrário a dados externos apenas porque uma imagem menciona um registo: a operação permitida e o respetivo resultado vêm da aplicação.
O produtor enumera também funcionalidades de saídas previstas e de prefixo. As saídas previstas permitem ao chamador fornecer texto esperado ao regenerar um documento ou ficheiro de código com uma pequena alteração; um prefixo define o texto inicial da resposta. São controlos de preparação distintos, não modalidades visuais adicionais. A saída útil continua a ser uma descrição textual, extração ou explicação, não uma imagem acabada de renderizar. Escolha imagens de origem claras, especifique o que deve ser preservado e confira as leituras críticas com a página original.
A etiqueta latest é um alias de família, enquanto Pixtral-Large-Instruct-2411 é o lançamento fixo do fabricante documentado pela ficha do modelo. Mantenha esses nomes distintos ao preparar uma tarefa repetível. O valor de contexto publicado descreve o modelo do produtor; as páginas consultadas não estabelecem um limite universal separado de tokens de saída. Selecione em conjunto o conjunto de imagens, a pergunta textual e a extensão pretendida para a resposta e mantenha os limites de pedido específicos de cada versão separados das capacidades visuais gerais aqui descritas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites pixtral-large-latest | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.0044 / 1K tokens Saída · Tokens de saída $0.0132 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "pixtral-large-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='pixtral-large-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='pixtral-large-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra pixtral-large-latest
Use os caminhos dos métodos indicados acima.
pixtral-large-latestPixtral Large combina as capacidades linguísticas da Mistral com compreensão de imagens para documentos, gráficos e fotografias. Produz respostas textuais e suporta resultados estruturados e ferramentas definidas pela aplicação nas interfaces documentadas do fabricante.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Pixtral Large é o modelo multimodal da Mistral AI construído sobre Mistral Large 2. Combina um descodificador multimodal de 123 mil milhões de parâmetros com um codificador de visão de mil milhões de parâmetros, formando um modelo de 124 mil milhões de parâmetros. O propósito é conservar uma capacidade linguística substancial, compreendendo ao mesmo tempo os elementos visuais necessários a uma resposta: uma página de documento, um gráfico, uma fotografia ou uma captura de ecrã. As entradas podem combinar texto e imagens; o resultado é texto.
A Mistral descreve uma janela de contexto de 128K tokens e afirma que pode acomodar pelo menos 30 imagens de alta resolução. Essa afirmação descreve a capacidade de contexto, não uma definição universal de número de imagens por pedido. O valor prático é poder relacionar várias fontes visuais com uma só pergunta. Uma tarefa útil de comparação pode fornecer páginas identificadas de dois relatórios e perguntar que números, etiquetas e conclusões diferem. Mantenha juntos o texto da pergunta, o papel de cada imagem e a estrutura de resposta necessária.
O fabricante ilustra leitura de texto multilingue, perguntas sobre documentos, interpretação de gráficos e compreensão normal de imagens. Para um assistente de documentos, peça nomes e valores de campos visíveis, uma descrição da disposição da página ou uma explicação que relacione o texto com uma tabela ou figura. Para um gráfico, especifique os eixos, as séries ou o intervalo a examinar. Um pedido ilustrativo é: «Compare estes gráficos. Separe os valores que consegue ler diretamente das interpretações, identifique a alteração apresentada e enumere a informação necessária para verificar a conclusão.» O resultado pode ser uma tabela de campos, um conjunto de observações ou uma explicação escrita.
A ficha do modelo dá particular atenção ao prompt de sistema. A Mistral recomenda incluir uma instrução que indique o propósito do assistente, mesmo que seja breve. Isto é útil numa tarefa visual porque a mesma imagem pode servir trabalhos diferentes: extrair entradas, descrever uma cena, explicar um diagrama ou compará-lo com um requisito escrito. Indique a tarefa e as regras para pormenores incertos ou ilegíveis. Ao fornecer várias imagens, identifique-as e indique a sua ordem ou relação, para que a resposta possa ligar as observações ao material correto.
A página do modelo da Mistral enumera respostas a perguntas sobre documentos, saídas estruturadas e chamadas de funções. A interface do fabricante suporta também processamento em lote. As orientações de saída estruturada distinguem um formato de objeto JSON de um esquema personalizado; o modo JSON continua a exigir uma instrução explícita para produzir JSON. Para extração, defina os campos, o tratamento de valores em falta e a diferença entre texto transcrito e uma conclusão. Uma resposta estruturada é útil quando uma aplicação precisa de processar o resultado, enquanto uma explicação livre é útil quando uma pessoa precisa de compreender o raciocínio que o sustenta.
Para chamadas de funções, a aplicação fornece definições de ferramentas e o modelo propõe uma função com argumentos. No fluxo de trabalho da Mistral, a aplicação executa depois a operação e devolve o seu resultado antes de o modelo escrever a resposta de seguimento. Um fluxo documental pode usar uma ferramenta para consultar um identificador lido numa imagem e pedir depois uma explicação baseada no registo devolvido. O modelo visual não ganha acesso arbitrário a dados externos apenas porque uma imagem menciona um registo: a operação permitida e o respetivo resultado vêm da aplicação.
O produtor enumera também funcionalidades de saídas previstas e de prefixo. As saídas previstas permitem ao chamador fornecer texto esperado ao regenerar um documento ou ficheiro de código com uma pequena alteração; um prefixo define o texto inicial da resposta. São controlos de preparação distintos, não modalidades visuais adicionais. A saída útil continua a ser uma descrição textual, extração ou explicação, não uma imagem acabada de renderizar. Escolha imagens de origem claras, especifique o que deve ser preservado e confira as leituras críticas com a página original.
A etiqueta latest é um alias de família, enquanto Pixtral-Large-Instruct-2411 é o lançamento fixo do fabricante documentado pela ficha do modelo. Mantenha esses nomes distintos ao preparar uma tarefa repetível. O valor de contexto publicado descreve o modelo do produtor; as páginas consultadas não estabelecem um limite universal separado de tokens de saída. Selecione em conjunto o conjunto de imagens, a pergunta textual e a extensão pretendida para a resposta e mantenha os limites de pedido específicos de cada versão separados das capacidades visuais gerais aqui descritas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites pixtral-large-latest | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.0044 / 1K tokens Saída · Tokens de saída $0.0132 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "pixtral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'pixtral-large-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'pixtral-large-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra pixtral-large-latest
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.